使用“动物种类划分”案例数据，预测动物的种类。
参数设置
多层感知机的参数如下：
参数名称 | 值 | 说明 | |
|---|---|---|---|
归一化 | 方法选择 | 正则化 | 详情请参考 归一化 介绍说明。 |
标准化 | |||
最小最大值归一化 | |||
最大绝对值归一化 | |||
参数 | 单位标准差归一化 | 勾选后，归一化后数据的标准差等于1 | |
平均数据中心化 | 勾选后，归一化后数据的均值等于0 | ||
自动调参设置 | 系统默认的各项参数值范围。 | 必须结合“启用自动调参”功能使用。系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。详情请参考 自动调参设置 。 | |
启用自动调参 | 勾选该项，则系统自动调参数，不需要用户手工设置参数。 | ||
最大迭代数 | 参数范围为：大于等于10且小于500的整数，默认值为10 | 算法的最大迭代次数，达到最大迭代次数即退出。 最大迭代次数的值越大，模型训练更充分，但会耗费更多时间。 | |
感知机的隐藏层节点数量 | 每层神经元的数量 | 多层感知机隐藏层的层数及对应每一层的神经元的个数。 以英文逗号分隔，数字个数代表多层感知机的隐藏层层数，每个数字的值代表多层感知机每层的神经元个数。 | |
收敛阈值 | 参数范围为：[0.00000001, 0.000001]，默认值为 ：0.000001 | 收敛误差值，当损失函数取值优化到小于收敛阈值时停止迭代。 | |
优化算法 | · l-bfgs：有限内存中进行BFGS算法 · gd：梯度下降法 | 解决函数最优化问题时使用的算法。 | |
学习率 | 参数范围为：[0.00000001, 1]，默认为0.01 | 每次迭代的参数学习步长倍率 | |
随机种子 | 任意整数，默认值为：1 | 随机初始化权重时的随机种子，随机种子设置为固定值时，每次结果是稳定的。 | |
块大小 | 具体的取值和训练集的样本数目相关，不宜过大或过小，参数范围为：必须为大于等于32且小于等于10240的整数，默认为128。 | 训练时每次输入的样本块的大小，同一块的数据会在同一个矩阵中训练； | |
分类阈值 | 参数范围为：[0,1]。默认值为：0.5 | 在分类中设置分类阈值thresholds。 如果模型预测结果为分类标签1的估计概率>thresholds，则预测为1，否则为0。高阈值是鼓励模型更频繁地预测0，反之则预测为1。 多分类请用英文逗号隔开,且数量与分类数相同，例如：分三类，示例：8,9,10 | |
自动调参设置
系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。
自动调参的方式分为两种：
- 指定值调参：指定一个固定的值进行自动调参。
- 范围调参：在指定的范围内进行自动调参。
设置项说明如下：
设置项 | 说明 | |
|---|---|---|
拆分比例 | 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 | |
评估标准 | 用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 | |
参数 | 自动调参的参数项。 注意：
| |
指定值调参 | 指定值 | 指定一个固定的值进行自动调参。需要先勾选“是否使用指定值”才能配置。 |
是否使用指定值 | 控制是否使用使用指定值进行调参。 | |
范围调参 | 范围 | 设置自动调参参数的范围。 若运行速度比较慢，可将参数范围调小一点。 |
步数 | 进行范围调参时，在设置的范围内生成多少个参数值。 示例： 1）范围为[3,5]，步数为3时，生成的参数值：3, 4, 5 2）范围为[40,100]，步数为4时，生成的参数值：40, 60, 80, 100 | |
示例
设置自动调参设置如图：
在训练节点查看分析结果如图：
